MiMo-V2.5-ASR 语音识别 / Speech Recognition (中文/English)

通过小米官方 Gradio 免费 API 调用语音识别模型，无需本地模型、无需 API Key。 Transcribe audio via Xiaomi's free public Gradio API — no local model, no API key needed.

为什么选这个？/ Why This One?

比起安装 4GB 本地模型 + mimo-audio 包，这个版本：

• ✅ 零依赖（只需要 requests）
• ✅ 零配置（不需要下载任何东西）
• ✅ 免费无限调用
• ✅ 支持中文/英文/自动检测
• ❌ 需要网络（音频传云端处理）

快速开始 / Quick Start

# 安装唯一依赖 / Install the only dependency
pip install requests

# 自动语言检测 / Auto language detection
python scripts/mimo_asr_api.py recording.wav

# 指定中文 / Specify Chinese
python scripts/mimo_asr_api.py speech.mp3 --language zh

# 指定英文 / Specify English
python scripts/mimo_asr_api.py lecture.wav --language en

# 输出到文件 / Output to file
python scripts/mimo_asr_api.py meeting.wav --output transcript.txt

参数 / Parameters

示例 / Examples

# 🪟 Windows
python scripts/mimo_asr_api.py C:\Users\abc15\Desktop\录音.wav --language zh --output output.txt

# 🍎 macOS / 🐧 Linux
python scripts/mimo_asr_api.py ~/Desktop/meeting.mp3 --language auto

API 内部原理 / How It Works

该脚本通过 Gradio API 调用 HuggingFace 上的小米官方空间： The script calls Xiaomi's official HuggingFace space via the Gradio API:

https://xiaomimimo-mimo-v2-5-asr.hf.space

步骤 / Steps:

1. 上传音频 → /gradio_api/upload
2. 启动推理 → /gradio_api/call/infer（传音频 URL + 语言标签）
3. 轮询结果 → 获取转录文本

支持的文件格式 / Supported Formats

WAV、MP3、M4A、FLAC、OGG 等主流音频格式。 WAV, MP3, M4A, FLAC, OGG and common audio formats.

注意事项 / Notes

• 大文件处理时间较长 / Large files take longer
• 需网络连接 / Internet connection required
• 不需要 MIMO API Key / No MIMO_API_KEY needed
• 免费使用 / Free to use